: | : | :期货程序化 | :期货程序化研究 | :期货量化学习 | :期货量化 |
返回列表 发帖

何为量化投资?白话为您详解!

龙听

Rank: 9Rank: 9Rank: 9

UID
2 
积分
2738934 
威望
1319463 布 
龙e币
1419471 刀 
注册时间
2009-12-3 
最后登录
2024-5-23 

Medal No.1
1# 跳转到 » 倒序看帖
打印
tT
发表于 2020-12-24 16:35 | 只看该作者

何为量化投资?白话为您详解!

20世纪70年代，很多数学家、统计学家、物理学家在金融市场开创了一种新的投资模式，数学模型与计算机技术被结合起来，应用在金融投资领域，这是量化投资的萌芽时期。

经过多年发展，量化投资已经越来越散发出勃勃生机，但投资大众对量化交易如何运作仍旧不太清楚。我们将通过一系列的介绍，让大家明白量化投资者，是如何工作的，量化交易是如何进行的。

量化投资的概念

人类具有创新的能力，却容易受到主观判断的心理驱动因素的影响；而电脑在重复性的计算上具有超强优势，可以帮助我们部分削弱投资过程的非理性因素，让投资过程更系统和理性。

量化交易的基础是人类智慧，在此基础上通过计算机进行自动化执行，策略研究、选择、检验和优化是核心部分。从事这些工作的是量化交易者，也就是通俗来说的宽客。

量化策略听起来很玄，但实际上简单的策略也可以称为量化策略。比如说沪深300这个大家非常熟悉的指数就是一个量化交易策略。首先，我们从股票中选取了300只股票，然后再根据股票流通股比例等指标确定各个股票的权重构成了一个组合。中证指数有限公司已授权中银国际等资产管理公司使用沪深300指数开发境外ETF。实际上，指数基金的回报率高于主动管理投资组合的概率相当大。像沪深300这样的指数还有不少，比如说标普500这个大家熟悉的美股指数，比70%的共同基金表现更佳。比标普500这样的策略更好的量化投资策略还有几百上千种，如DoD（Dogs of the Dow）蓝筹股策略，该策略观察道道琼斯指数的30只蓝筹股，年底买入回报率最差的10只，然后持有到下一年，该策略1928-2009年的平均年回报率达到了11.22%。如此看来，量化思维其实处处存在。

量化投资与基本面分析

在前面的文章中我们曾经提过詹姆斯•西蒙斯的大奖章基金，西蒙斯这位量化领域传奇人物曾经表示：“我起步时也曾主要做基本面分析，后来想到了量化方法后，就不想进行纯基本面分析了。利用量化模型，我们可以降低投资风险，避免一夜暴富一夜又输得精光的大起大落。”

从这句话中，我们可以看出量化投资的优势。基于资产定价模型在实战中的有效性，量化分析拥有在投资上超过基本面分析的潜力。但量化投资分析与基本面分析绝对不是对立的。

在主动资产组合管理领域，有两种主要的选择股票的方法。第一种是基本面分析，投资经理研究并分析个股公司的各个方面并将市场作为一个整体来分析。另外一种是量化分析，量化分析员研究有效模型，并应用这些模型来选择股票。Fabozzi等将基本面定义为：人类资产管理者利用信息并作出判断的过程，而基于特定算法的电脑模型输出的数量分析结果驱动的决策为量化过程。更进一步，他们将这一过程定义为“兼顾”，如果管理者结合两种方法做出投资决策。与基本面方法相比，量化方法的优势在于能够避免心理上的错误和偏差效应，如过度自信、股票损失时心里不能接受抛股等。

量化投资通常结合基本面分析和技术分析进行，比如说在市场择时中使用PE、PB、MACD等基本面指标。基本面分析、技术分析和量化分析这三者通常是相辅相成，又有所偏重的。

量化投资的基本流程

量化投资的核心部分是投资组合的构建和模型执行。其中，投资组合构建包括收益率溢价模型，风险控制模型和择时交易模型。在构建了一个投资组合策略之后，需要基于理论假设或者是数据来进来调整。

执行模型的过程主要包括回测和模拟盘交易。

回测（Backtesting）就是通过历史数据测试策略是否有效，回测效果不错，我们可以进行下一步的模拟盘交易。这里要多说一点的就是，要想做出一个回测不错的模型并不难，但是该模型未必一定在模拟盘中表现良好。我们根据历史数据做出来的的模型，可能会有过度拟合（overfitting）的问题，这样模型在回测中表现良好，在模拟盘中却未如期表现。克服过度拟合的一方法就是将历史数据分为两部分，第一部分是较早的用来做模型的训练（training）的数据，另外一部分是较新的一段时间的数据（但还是历史数据）用来优化过度拟合的问题。在回测完成后，我们将进行模拟盘交易。模拟盘交易是一定不能少的。


图示量化选股基本过程

回测效果不错，策略在模拟盘中回报率达到我们要求的预期收益率，那么可以开始考虑实盘交易了。


图示红色为CSI300指数回报率，蓝色为量化组合收益率，分界线左边为回测，右边为模拟盘

量化投资的主要内容包括：量化选股、量化择时、期货套利、期权套利、ETF/LOF套利、高频交易等。

量化投资的基础知识包括：数据挖掘、小波分析、模式识别、随机过程、时间序列分析等。

对长达十年以上的海量数据进行回测和分析，深度数据挖掘，量化分析具有巨大的优势。

目前量化投资的代表性公司有Renaissance、KCG、Getco、Citadel、AQR、Winton、Jane Street、SIG、Black Rock等。

我们将来会陆陆续续推出一系列的文章，帮助大家了解这些让人十分感兴趣的量化投资的概念。

参考资料：

[1] Josef Lakonishok, Bhaskaran Swaminathan. Quantitative vs. Fundamental Analysis in Institutional Money Management: Where’s the Beef? The Journal of Investing. 2009, 18(4):42-52.

收藏 分享
论坛官方微信、群（期货热点、量化探讨、开户与绑定实盘）
 
期货论坛 - 版权/免责声明   1.本站发布源码(包括函数、指标、策略等)均属开放源码，用意在于让使用者学习程序化语法撰写，使用者可以任意修改语法內容并调整参数。仅限用于个人学习使用，请勿转载、滥用，严禁私自连接实盘账户交易。
  2.本站发布资讯(包括文章、视频、历史记录、教材、评论、资讯、交易方案等)均系转载自网络主流媒体，内容仅为作者当日个人观点，本网转载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。本网不对该类信息或数据做任何保证。不对您构成任何投资建议，不能依靠信息而取代自身独立判断，不对因使用本篇文章所诉信息或观点等导致的损失承担任何责任。
  3.本站发布资源(包括书籍、杂志、文档、软件等)均从互联网搜索而来，仅供个人免费交流学习，不可用作商业用途，本站不对显示的内容承担任何责任。请在下载后24小时内删除。如果喜欢，请购买正版，谢谢合作！
  4.龙听期货论坛原创文章属本网版权作品，转载须注明来源“龙听期货论坛”，违者本网将保留追究其相关法律责任的权力。本论坛除发布原创文章外，亦致力于优秀财经文章的交流分享，部分文章推送时若未能及时与原作者取得联系并涉及版权问题时，请及时联系删除。联系方式：http://www.qhlt.cn/thread-262-1-1.html
如何访问权限为100/255贴子：/thread-37840-1-1.html；注册后仍无法回复：/thread-23-1-1.html；微信/QQ群：/thread-262-1-1.html；网盘链接失效解决办法：/thread-93307-1-1.html

返回列表